原创:hxj7
关键词:bed; sort; cmp; key; alpha-numeric
问题
在处理NGS数据时,经常要对BED文件进行排序。比如BED文件长这样,分隔符是’\t’:
我们想按照如下规则进行排序:
- 第一列按照染色体编号进行排序,排序后应该是chr1, chr2, chr4, chr5, chr10, chr20, chrX。
- 第二列和第三列按照数字序进行排序。
第一个子问题
首先,我们先来看看如何对第二列进行排序。
刚接触GNU sort命令的同学可能都写出过类似下面的命令:
并且期待结果会是
但是实际上的结果是
为什么?这是因为sort默认按照字典排序规则对字符串进行排序。比如,字符串”10”的第一个字母是”1”